《RELIABILITY ENGINEERING & SYSTEM SAFETY》：A Coupled Risk Mining Framework to Analyze Excavation Work Accidents: Applying Weighted Association Rule Mining and Complex Networks
编辑推荐：
•本文提出了一种基于事故后果严重程度的耦合风险挖掘框架，通过纳入这一因素来拓展现有的ARM-CN方法。•我们基于事故后果设计了改进的Apriori算法，并将其与复杂网络相结合，利用节点重要性指标来确定关键风险因素。•通过分析156起因挖掘作业导致的坍塌事故，验证了该方法的有效性。
• 本文提出了一种基于事故后果严重程度的耦合风险挖掘框架，通过纳入这一因素来拓展现有的ARM-CN方法。
• 我们基于事故后果设计了改进的Apriori算法，并将其与复杂网络相结合，利用节点重要性指标来确定关键风险因素。
• 通过分析156起因挖掘作业导致的坍塌事故，验证了该方法的有效性。通过计算和分析网络节点的重要性，识别出了关键风险因素。
• 与传统Apriori方法相比，所提出的模型更注重那些可能导致更严重事故后果的风险因素的识别。
引言 施工安全是一个影响项目进度和人员安全的重大问题，因此也受到了政府的高度重视。在所有严重事故中，有六成发生在建筑行业[1]。根据中国应急管理部的新闻报道，2025年前三个季度共发生了13,442起工业安全事故，导致12,804人死亡。这些事故包括坍塌、高处坠落、机械伤害、物体撞击等类型。严重的事故后果可能对社会产生负面影响，阻碍经济和社会发展[2]。
事故通常是由多种风险因素之间的复杂相互作用和耦合所导致的，而非由单一孤立原因引发[3]。在不同风险因素的共同作用下，事故在类型和严重程度上都存在很大差异。因此，系统地识别和分析导致事故发生的耦合风险因素，是事故机制研究和管理中的重要课题。随着建筑行业的快速发展，安全问题也日益突出。不安全的人为行为、不安全的设备状况、管理缺陷以及恶劣的环境条件都可能引发施工事故。Yonat等人[4]认为，复杂系统中的故障和风险在传播和评估过程中具有非线性特征。因此，传统的单一风险因素分析和线性统计方法不足以揭示事故的根本原因。Li等人[5]进一步指出，施工安全风险并非仅仅源于孤立的危险源，而是源于工人与设备之间功能耦合关系中的波动和相互作用。因此，除了识别潜在的事故诱因风险因素外，还有必要进一步研究这些因素之间的耦合关系。此外，也有不少研究聚焦于挖掘作业中的风险分析。Bian等人[6]发现，在边坡和挖掘工程中，系统的安全状态受到黏聚力、弹性模量、密度以及支撑条件等多种参数的共同影响。而且，不同的支撑方案可能会显著改变事故发生的可能性。通过随机有限元分析，他们发现锚杆和框架梁支撑方案对于提高边坡稳定性起着关键作用。Mohamed等人[7]提出了一种用于在地质条件多变的情况下对隧道挖掘项目进行风险评估的耦合分析-概率框架。研究表明，隧道断层滑动风险受到应力重分布、摩擦角、隧道尺寸等其他影响因素的共同作用，这说明挖掘场景具有典型的多因素耦合特征。上述研究都表明，挖掘作业场景确实具有多因素耦合的典型特点。
随着事故记录及相关数据不断积累，从大规模事故数据集中提取有价值的信息和经验，逐渐被视为提升事故分析效率、为安全决策提供支持的有效手段。传统的事故分析方法，如故障树分析[[8], [9], [10]]、弓形图模型[[11], [12], [13]]、多米诺理论[[14], [15], [16]]以及贝叶斯网络（BN）[17,18]，已被广泛应用于事故成因分析和风险评估，有助于人们理解事故机制。然而，这些方法通常依赖于预先定义的分析结构或专家知识，当应用于大规模、高维度的 accident数据时，在描述多个风险因素之间的组合效应和复杂相互作用方面能力有限。近年来，基于大数据的事故分析方法越来越受到关注。其中，关联规则挖掘（ARM）[[19], [20], [21], [22]]、基于知识图谱的方法[23,24]以及自然语言处理技术[[25], [26], [27], [28]]被广泛用于从大规模事故数据中挖掘潜在的关联、组合模式和隐含知识，从而为事故分析提供新的视角。尽管数据驱动的方法在事故分析中的应用越来越广泛，但在有效整合事故后果信息、从常见风险因素中进一步识别出关键风险因素方面仍存在挑战。在各类数据驱动方法中，ARM在发现事故风险因素之间的隐藏关联和组合模式方面展现出巨大潜力。不过，目前大多数基于ARM的施工安全研究主要是根据历史事故数据集中风险因素的出现频率来确定风险关联。这种以频率为导向的策略可能会过度强调那些出现频率高但后果相对较轻的风险组合，而忽视那些虽然出现频率低但却与严重事故密切相关的风险组合。正是出于这一不足，本研究提出了一种纳入事故后果严重程度的耦合风险挖掘框架，该框架结合了改进后的Apriori挖掘算法和复杂网络分析方法，用于识别挖掘事故中的关键单个风险因素以及更高阶的耦合风险组合，从而为有针对性的事故预防和安全管理提供支持。
本文的其余部分结构如下：第2节对本研究采用的方法进行了文献综述；第3节介绍了该模型的详细构建流程；第4节选取了具体事故案例来验证该方法的有效性；第5节阐述了所提方法相较于传统方法的优势；第6节对全文进行总结，并提出了未来研究的方向。
章节要点 施工安全中的风险因素研究 在事故分析研究中，风险因素通常被分为四类：人为因素、设备因素、环境因素和管理因素。人为因素往往是事故最直接的触发因素，因为不安全的行为、安全意识不足以及操作技能欠缺都可能严重干扰施工活动。与设备相关的因素则主要体现为施工机械、临时支撑系统以及防护装置的安全状况。
研究方法 如图1所示，本文提出了一种整合ARM和CN方法来分析施工安全中耦合风险的框架。首先对事故报告进行预处理，生成风险因素矩阵和事故权重，这些数据作为输入用于改进后的ARM模型。该模型会输出加权支持度、关联规则以及加权置信度。之后，根据ARM的输出结果构建复杂网络，最终开展施工安全风险分析。
数据处理与风险因素识别 事故数据是事故分析的基础。为确保数据的全面性和可靠性，本研究采用了多元化的数据收集策略，以便系统地获取大量事故案例信息。具体而言，研究借助各种权威来源，包括公开发布的事故通报以及政府机构发布的典型案例汇编（例如官方安全管理平台、
https://www.safehoo.com/ ）等，以此构建坚实的数据基础。
与传统方法的比较 为了进一步验证所提方法的有效性，本研究对其进行了与传统Apriori算法的对比分析。在对比实验中，表3中的最后三列即代表事故后果指标的内容被从数据集中删除，这样处理后的数据就能与传统的Apriori算法完全兼容。基于传统Apriori算法构建的复杂网络如图16所示，其对应的概率值也可从中得出。
结论与未来工作 建筑活动在各个行业普遍存在。由于涉及大型设备、复杂的作业环境以及专业的技术要求，施工安全已成为一个亟需关注的问题。因此，对特定施工活动进行风险分析显得十分重要。本研究提出了一种明确考虑事故后果严重程度的施工安全耦合风险分析方法。与传统方法相比，
作者贡献说明 Chong Li： 概念构思、数据整理、形式化分析、研究调查、方法设计、可视化处理、初稿撰写、论文审阅与修改。
Yanhui Wang： 概念构思、数据整理、形式化分析、方法设计、初稿撰写、论文审阅与修改。
Peng Li： 数据整理、资金筹集、资源保障、方法验证。
Yucheng Hao： 数据整理、方法设计、方法验证、可视化处理。
CRediT作者贡献说明 Chong Li： 论文审阅与修改、初稿撰写、可视化处理、方法验证、形式化分析、研究调查、数据整理、概念构思。Yanhui Wang： 论文审阅与修改、初稿撰写、研究指导、资源保障、项目管理、方法设计、资金筹集、形式化分析、数据整理、概念构思。Peng Li： 研究指导、资源保障、项目管理、资金筹集、数据整理。Yucheng Hao： 方法验证。
Chong Li|Yanhui Wang|Peng Li|Yucheng Hao
